摘要
本发明公开了一种基于加权lp范数联合图像组稀疏性和低秩性的图像去噪算法,属于图像去噪领域。所述算法联合图像低秩性和组稀疏性两个方向来实现图像去噪,该发明能同时考虑图像的非局部组稀疏性和低秩性,使得图像去噪更加灵活和高效。在表达图像局部结构时采用自适应字典学习的方法比传统使用过完备字典学习的方法更具有适应性和鲁棒性,能更好的表达图像的结构信息。利用加权lp范数取代以往算法中的l1范数,能更好的地求得最优解加快算法收敛。同时使用自适应参数设置及交替方向乘子法很好地完成了图像去噪任务。实验结果表明,本发明的算法具有良好的收敛性,在PSNR和SSIM方面都表现出良好的性能,并且优于诸多经典的和当下流行的去噪算法。
技术关键词
图像去噪算法
图像局部结构
保留图像细节
主成分分析法
完备字典
噪声模型
参数
图像处理
图像块
鲁棒性
广义
变量
因子
系统为您推荐了相关专利信息
智能识别装置
图像增强模块
特征提取模块
图像获取模块
预测类别
模型配准方法
激光扫描设备
激光雷达扫描设备
点云
栅格
黑臭水体
可扩展模块化设计
地面监测系统
量子加密通信技术
数据校正方法
故障诊断模型
内燃机
特征值
故障诊断装置
主成分分析法
智能优化算法
装载平台
谐波畸变率
整数线性规划模型
指数